L’ère de l’intelligence autonome - Partie II : L’IA, l’engouement et le long chemin vers les bénéfices réels
Les révolutions technologiques se déroulent rarement comme nous l’attendions. Avec le recul, elles semblent soudaines et inévitables. En temps réel, elles sont lentes, coûteuses et jalonnées d’expérimentations, de revers et de périodes d’incertitude. L’intelligence artificielle (IA) ne fait pas exception.
Cette série en trois parties, réalisée par nos équipes Gestion fondamentale des actions et Répartition des actifs examine en quoi le contexte actuel de l’IA peut différer des vagues d’innovation précédentes, comment ces différences pourraient influer sur les marchés du travail et les résultats des sociétés, et pourquoi les investisseurs pourraient avoir besoin d’un horizon de placement plus long que ce que les manchettes laissent entendre aujourd’hui.
Dans la partie II, nous passons des perturbations aux résultats concrets. Quand l’IA fera-t-elle augmenter la productivité de façon significative? À quelle vitesse des démonstrations impressionnantes peuvent-elles devenir des systèmes fiables et évolutifs? Et que nous enseigne l’histoire sur le parcours long et souvent irrégulier qui mène d’une technologie perturbatrice à des bénéfices durables?
|
Les investisseurs ont tendu l’oreille. Les dépenses des sociétés en infrastructures liées à l’IA ont bondi, avec des centaines de milliards de dollars investis dans les centres de données, les semi-conducteurs et les logiciels. Les marchés ont récompensé les sociétés au coeur de cette vague d’investissements, et les attentes en matière d’accélération de la productivité et de profits en forte croissance se sont largement répandues.
Mais derrière l’enthousiasme se cache une question qui donne plus matière à réflexion : à quel moment les retombées économiques se feront-elles réellement sentir? L’histoire montre que la réponse n’est presque jamais « tout de suite ».
Il ne s’agit pas d’un argument contre l’IA. Bien au contraire. L’IA devrait être l’une des technologies qui définiront le siècle en cours. Mais si l’on se fie aux leçons du passé, il faudra beaucoup plus de temps que ce à quoi la plupart des investisseurs s’attendent pour que les démonstrations spectaculaires d’aujourd’hui se traduisent par des gains de productivité généralisés et une croissance soutenue des bénéfices. Les révolutions technologiques n’arrivent pas selon un échéancier prédéterminé. Elles ont tendance à se dérouler lentement ainsi que de façon irrégulière et souvent totalement imprévue.
L’écart entre l’expérimentation et les retombées concrètes
À première vue, l’IA semble être partout. Les sociétés en parlent constamment, les lancements de produits sont fréquents et les projets pilotes abondent. Toutefois, un examen plus approfondi permet de dégager une tendance familière. La plupart des sociétés qui utilisent l’IA aujourd’hui en sont encore au stade de l’expérimentation plutôt qu’à celui d’une véritable transformation. Elles mettent à l’essai des outils, mènent des projets pilotes et explorent des applications potentielles, mais très peu d’entre elles en dégagent des rendements financiers importants2,3. Les systèmes d’IA ont souvent tendance à ne pas s’intégrer facilement aux flux de travail existants. Les employés ont besoin de formation. Les processus doivent être remaniés. Les données doivent être nettoyées et structurées. Ces frictions peuvent tout ralentir.
L’écart observé entre l’expérimentation et les retombées concrètes n’a rien d’inhabituel. Les premières versions des principales technologies sont souvent impressionnantes et puissantes, mais peu fiables et encore maladroites. Il peut être beaucoup plus difficile qu’on le pense de transformer une démonstration habile en quelque chose qui permet de gagner du temps, de réduire les coûts ou d’accroître les revenus à l’échelle d’une société.
Pour les investisseurs, cette distinction est importante. Les marchés ont tendance à intégrer le succès futur dans les cours bien avant qu’il ne se concrétise, et les attentes peuvent devancer la réalité économique, même lorsque les perspectives à long terme reposent sur des bases solides.
Au cours des 12 derniers mois, comment l’utilisation de l’IA par votre entreprise a-t-elle touché la productivité et la satisfaction de la clientèle?
Source : Sondage auprès des chefs des finances, Université Duke, Réserve fédérale de Richmond et Réserve fédérale d’Atlanta, déc. 2025.
Productivité : la donnée la plus récalcitrante en économie
L’enthousiasme à l’égard de l’IA repose en grande partie sur une idée simple : des machines plus intelligentes devraient rendre les travailleurs plus productifs, et une productivité plus élevée devrait entraîner une croissance économique plus rapide et des bénéfices plus élevés pour les sociétés. Cette logique est raisonnable. L’échéancier, lui, ne l’est pas.
Au cours des 150 dernières années, la croissance de la productivité dans les économies avancées s’est établie en moyenne à un peu moins de 2 % par année4. Cette longue période englobe la diffusion de l’électricité, de l’automobile, de la médecine moderne, des ordinateurs et d’Internet. Il y a eu de courtes accélérations et des ralentissements occasionnels, mais rien de comparable à la croissance explosive que certains optimistes de l’IA prédisent aujourd’hui.
Cela ne signifie pas pour autant que l’IA ne fera pas bouger les choses. Même une augmentation modeste de la croissance de la productivité, soutenue sur de nombreuses années, peut générer une richesse énorme. Quelques dixièmes de point de pourcentage cumulés sur une décennie pourraient changer la donne. Le point clé est que l’histoire montre que ce sont les gains progressifs qui comptent, et non les miracles instantanés.
Le risque pour les investisseurs ne réside pas dans un scepticisme à l’égard de l’importance ultime de l’IA. Il réside plutôt dans le fait de supposer une vitesse et un niveau de retombées qui n’ont pratiquement aucun précédent historique.
Effet de l’IA sur la productivité : quelle est son ampleur, sous quel délai? La tendance à long terme de la croissance réelle est de 1,9 %
Source : Réserve fédérale de Dallas et TD Epoch.
https://www.dallasfed.org/research/economics/2025/0624
Chaque révolution technologique prend du temps
Si l’IA semble sans précédent, il vaut la peine de se rappeler que c’est ce qu’on a aussi pensé de chaque grande technologie par le passé. L’électricité en est un bon exemple. On en avait compris les principes scientifiques dès le début du XIXe siècle. L’ampoule est apparue des décennies plus tard. Pourtant, ce n’est qu’au cours des années 1920 que la plupart des maisons ont été électrifiées. Entre-temps, il a fallu bâtir des industries entières : production d’électricité, réseaux de transport, normes de câblage, appareils électriques et systèmes de sécurité. Les usines ont été repensées. Les travailleurs ont acquis de nouvelles compétences. Les gains de productivité sont arrivés, mais seulement après une longue transition, marquée par des rajustements inégaux5.
Internet a suivi une trajectoire similaire. Ses fondements remontent aux années 1960. Le World Wide Web n’est apparu que dans les années 1990. Les services les plus rentables d’Internet, soit les moteurs de recherche, les médias sociaux, la diffusion en continu et l’infonuagique, ne sont apparus que des années plus tard. De nombreux chefs de file de la première heure ont complètement disparu.
Vu sous cet angle, l’IA en est encore à la phase préliminaire aujourd’hui. Si ChatGPT est comparable au premier navigateur Web grand public, nous en sommes peut-être encore à l’équivalent de la fin des années 1990, bien avant l’émergence des plateformes dominantes d’aujourd’hui.
L’automatisation est puissante, et lente
À la base, l’IA s’inscrit dans une histoire beaucoup plus ancienne : l’automatisation. Depuis des siècles, les progrès économiques découlent du transfert des tâches effectuées par les humains vers les machines. Ce processus a rendu les sociétés plus riches et plus productives.
Mais il est rare que l’automatisation se déploie rapidement. Les machines et les humains ne se substituent pas parfaitement les uns aux autres. Les nouvelles technologies nécessitent une supervision humaine, une formation, un entretien et une adaptation avant que leurs avantages puissent être pleinement réalisés6. Les économistes observent depuis longtemps que cette substitution s’opère graduellement, freinée par des goulots d’étranglement, des défis de coordination et l’inertie organisationnelle.
L’IA ne fait pas exception à la règle. Bien qu’elle excelle dans certaines tâches, comme l’écriture de code, la synthèse de documents et l’analyse de données, elle semble encore éprouver des difficultés dans d’autres domaines que les humains maîtrisent aisément, comme le jugement contextuel ou l’interaction avec le monde réel. Par conséquent, l’IA tend à compléter le travail des employés avant de les remplacer, ce qui limite le rythme des gains de productivité.
Cette fois, c’est différent
Le cycle technologique actuel diffère grandement des bulles passées, en particulier de la bulle technologique de la fin des années 1990. Voici cinq différences importantes :
- Les sociétés qui alimentent aujourd’hui les investissements dans l’IA sont extrêmement rentables. Contrairement à de nombreuses sociétés de l’ère de la bulle technologique, les fournisseurs de services à très grande échelle d’aujourd’hui génèrent d’importants flux de trésorerie à partir de leurs activités existantes.
- Il y a eu relativement peu d’émissions de titres de créance ou d’actions. L’expansion actuelle est largement financée par les ressources internes, plutôt que par des levées de capitaux massives.
- Les évaluations sont élevées, mais pas extrêmes par rapport aux normes historiques. Elles sont tendues, sans pour autant tomber dans l’euphorie.
- La demande d’infrastructures est réelle et immédiate. À la fin des années 1990, d’importantes quantités de « fibre noire » avaient été déployées bien avant que la demande ne se matérialise. Aujourd’hui, la demande pour les processeurs graphiques, les centres de données et les infrastructures électriques est concrète et en croissance.
- L’IA est au coeur d’une course mondiale des superpuissances. L’IA constitue un pilier de la vigueur économique, du leadership technologique et des capacités militaires, ce qui donne aux gouvernements de solides incitatifs pour soutenir les investissements.
Pourquoi la fiabilité compte davantage que l’effet spectaculaire
Une autre raison pour laquelle les progrès de l’IA semblent plus rapides qu’ils ne le sont réellement tient à la fiabilité. Les premières versions des nouvelles technologies fonctionnent souvent de manière impressionnante une partie du temps. Pour les tâches à faible enjeu, cela peut être suffisant. Mais pour la plupart des applications critiques pour les entreprises ou la sécurité, ça ne l’est pas.
Un système d’IA qui fait les choses correctement 90 % du temps semble impressionnant, jusqu’à ce que les erreurs restantes créent plus de travail qu’elles n’en épargnent. Pour de nombreuses applications concrètes, on semble viser des taux d’erreur acceptables plus près de 0 %. Il est beaucoup plus difficile d’atteindre ce niveau de fiabilité que d’obtenir un résultat « assez bon ».
Cela explique pourquoi les technologies, comme les véhicules autonomes, la robotique et l’IA médicale ont progressé plus lentement que ce que l’optimisme initial laissait entrevoir. La dernière étape, qui mène d’une solution prometteuse à un système véritablement fiable, est souvent la plus longue et la plus coûteuse7,8.
La marche des neuf : une fiabilité de 90 % (lancement du projet pilote) ne vous mène qu’à 20 % du chemin vers un produit commercial viable
À des fins d’illustration seulement.
Ce que cela signifie pour les investisseurs
Pour les investisseurs, la leçon à retenir n’est pas d’éviter l’IA, mais de l’aborder avec rigueur, de miser sur la diversification et d’avoir un solide sens de l’histoire.
- Premièrement, même si les dépenses en immobilisations liées à l’IA demeurent considérables, il est peu probable que le rythme de croissance demeure aussi effréné qu’au cours des dernières années. L’histoire montre qu’une fois que les investisseurs prennent acte des gains de productivité et des profits, les gains peuvent arriver plus progressivement qu’espéré au départ, et les dépenses ont tendance à se stabiliser sur une trajectoire plus durable. Cela ne signifie pas que l’investissement s’effondre, mais qu’il arrive à maturité. Le chemin de fer, l’électricité, l’automobile et Internet ont tous suivi cette tendance, et il semble peu probable que l’IA soit une exception.
- Deuxièmement, le contexte actuel privilégie les sociétés technologiques de qualité aux projets spéculatifs. Par « qualité », nous entendons les sociétés qui ont une base d’utilisateurs établie, des modèles d’affaires durables et la capacité de générer des flux de trésorerie disponibles durables. Ces sociétés sont généralement mieux positionnées pour absorber des investissements initiaux importants, surmonter les revers et, ultimement, déployer à grande échelle des applications d’IA performantes. En revanche, l’histoire montre que de nombreuses entreprises en phase de démarrage, malgré des idées convaincantes, ont du mal à survivre au long parcours qui mène de l’innovation à la rentabilité.
- Troisièmement, la diversification est plus importante que jamais. Même si nous demeurons optimistes à l’égard des actions américaines, de nombreux portefeuilles sont fortement concentrés dans un segment restreint du secteur américain des technologies. Le déploiement de l’IA va bien au-delà des sociétés de logiciels et des sociétés technologiques à très grande capitalisation. Il stimule également la demande d’infrastructures, y compris les centres de données, la production d’électricité, les réseaux de transport et les systèmes de refroidissement, ainsi que les produits de base, comme le cuivre, l’aluminium et l’énergie, des intrants essentiels à l’électrification et à la puissance informatique. Élargir l’exposition à différentes régions et à différents secteurs peut aider les investisseurs à tirer parti du thème de l’IA tout en gérant le risque de concentration.
- Enfin, l’IA est susceptible d’accélérer la destruction créatrice et d’accentuer le dilemme de l’innovateur. Chaque révolution technologique majeure redéfinit le leadership des sociétés, souvent de façon plus marquée que ce à quoi les investisseurs s’attendent. Les sociétés qui dominent aujourd’hui peuvent avoir de la difficulté à s’adapter, tandis que de nouveaux concurrents peuvent émerger là où on ne les attend pas. L’histoire montre clairement que, dans dix ans, la liste des chefs de file du marché pourrait être très différente de celle d’aujourd’hui. Pour les investisseurs, cela souligne l’importance de la souplesse, de la diversification et de la volonté de réévaluer les hypothèses bien établies.
Dans l’ensemble, ces constats mènent à une conclusion bien connue : les technologies transformatrices récompensent la patience, la qualité et l’équilibre, pas seulement l’enthousiasme. L’effet de l’IA peut être profond, mais le parcours qui mène de la promesse aux retombées concrètes peut être long et irrégulier, comme ce fut le cas pour tous les grands changements technologiques qui l’ont précédée.
Perspectives à long terme
L’influence de l’IA sur l’économie devrait être importante. Mais si l’on se fie à l’histoire, les retombées devraient se concrétiser graduellement, en fonction des courbes d’adoption, des changements organisationnels et du travail acharné nécessaire pour rendre les systèmes fiables à grande échelle.
Pour les investisseurs, cela soulève la question suivante, peut-être la plus importante : qui captera ultimement la valeur créée? Les gains reviendront-ils principalement aux fournisseurs de technologies, aux entreprises qui appliquent l’IA avec succès, ou aux travailleurs et aux consommateurs? Et comment la concurrence, la réglementation et les dynamiques géopolitiques pourraient-elles redistribuer ces retombées?
Dans la partie III, nous nous penchons sur les implications de la révolution de l’IA en matière de gouvernance et d’ESG, en examinant comment la réglementation, la responsabilité des entreprises et les cadres institutionnels façonneront, en définitive, la répartition de la valeur — et à quel coût.
1 Sam Altman, discours public sur l’intelligence artificielle et les attentes des investisseurs, 2025.
2 McKinsey Global Institute, « The State of AI in Enterprise ».
3 MIT Sloan Management Review, « Why AI Pilots Fail ».
4 Réserve fédérale de Dallas, données à long terme sur la croissance de la productivité aux États-Unis.
5 Travaux de recherche historiques, universitaires et sectoriels sur l’électricité, l’automobile, les ordinateurs et Internet.
6 Jones, C., et al. (Université de Stanford), « Past Automation and Future AI: How Weak Links Tame the Growth Explosion ».
7 Morgan Stanley Research, « Robotics et Automation Outlook ».
8 Travaux de recherche universitaires et sectoriels sur les normes de fiabilité de l’IA pour les véhicules autonomes, la robotique et l’imagerie médicale.
Réservé aux investisseurs institutionnels canadiens. Les renseignements aux présentes sont fournis à des fins d’information seulement. Ils proviennent de sources jugées fiables. Ces renseignements n’ont pas pour but de fournir des conseils financiers, juridiques, fiscaux ou de placement. Les stratégies fiscales, de placement ou de négociation devraient être étudiées en fonction des objectifs et de la tolérance au risque de chacun. Ce document ne constitue pas une offre destinée à une personne résidant dans un territoire où une telle offre est illégale ou n’est pas autorisée. Le présent document n’a été examiné par aucune autorité en valeurs mobilières ni aucun autre organisme de réglementation dans les territoires où nous exerçons nos activités et n’est pas enregistré auprès de ceux-ci. Toute discussion ou opinion générale contenue dans ce document concernant les titres ou les conditions du marché représente notre point de vue ou celui de la source citée. Sauf indication contraire, il s’agit de points de vue exprimés à la date indiquée et ils pourraient changer. Les données sur les placements, la répartition de l’actif ou la diversification du portefeuille sont historiques et peuvent changer. Le présent document peut contenir des énoncés prospectifs. Les énoncés prospectifs reflètent les attentes et les projections actuelles à l’égard d’événements ou de résultats futurs en fonction des données actuellement disponibles. Ces attentes et projections pourraient s’avérer inexactes à l’avenir, car des événements qui n’ont pas été prévus ou pris en compte dans leur formulation pourraient se produire et entraîner des résultats sensiblement différents de ceux exprimés ou implicites. Les énoncés prospectifs ne garantissent pas le rendement futur et il faut éviter de s’y fier.
Solutions de placement mondiales TD représente Gestion de Placements TD Inc. (« GPTD ») et Epoch Investment Partners, Inc. (« TD Epoch »). GPTD et TD Epoch sont des sociétés affiliées et des filiales en propriété exclusive de La Banque Toronto-Dominion.
MDLe logo TD et les autres marques de commerce TD sont la propriété de La Banque Toronto-Dominion ou de ses filiales.
Contenu connexe
More by this Author